[發明專利]基于觀測器的直升機主減速器振動特征閾值設置方法在審
| 申請號: | 201811518727.3 | 申請日: | 2018-12-12 |
| 公開(公告)號: | CN109670145A | 公開(公告)日: | 2019-04-23 |
| 發明(設計)人: | 單添敏;沈勇;王景霖;林澤力;曹亮;顧浩天 | 申請(專利權)人: | 中國航空工業集團公司上海航空測控技術研究所 |
| 主分類號: | G06F17/18 | 分類號: | G06F17/18;G06N3/04 |
| 代理公司: | 南京理工大學專利中心 32203 | 代理人: | 朱顯國 |
| 地址: | 201601 上*** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 振動特征 觀測器 殘差 主減速器 閾值設置 直升機 神經網絡 統計分布 網絡輸出 樣本數據 正常樣本 隱含層 自適應 求和 輸出 優化 分析 網絡 | ||
1.一種基于觀測器的直升機主減速器振動特征閾值設置方法,其特征在于包括如下步驟:
1)針對直升機機上監測的各種飛行狀態參數、發動機狀態參數和振動特征參數,選取正常狀態下的樣本數據,將數據標準化,利用標準化后的樣本數據,計算每個飛行狀態參數、發動機狀態參數與振動特征參數之間的相關性,根據設定的相關性系數下閾值,選取相關性高于下閾值的飛參發參;
2)采用基于雙隱層BP神經網絡觀測器的方法,將選取的飛參發參數據做為神經網絡輸入,振動特征參數作為神經網絡輸出,利用樣本數據對神經網絡觀測器進行訓練;
3)將正常狀態下飛參發參樣本數據作為訓練完成的觀測器輸入,得到的輸出與相對應的振動特征參數進行比較,得到正常狀態下振動特征參數樣本的殘差;
4)計算殘差的均值和標準差,并根據根據k倍σ原則確定相應的殘差超限閾值;
5)獲取同一直升機主減速器的飛參發參實測數據,輸入到訓練完成的神經網絡觀測器中,得到振動特征參數的理論值,將其與殘差超限閾值進行求和,從而得到振動特征的自適應動態閾值。
2.根據權利要求1所述的基于觀測器的直升機主減速器振動特征閾值設置方法,其特征在于,所述步驟1)具體實現方法為:
設X1是直升機主減速器齒輪箱在正常狀態下的飛參發參樣本數據,為n×m矩陣,其中m為飛參發參個數,n為樣本量;
計算X1各列的均值μj和標準差σj,計算公式為:
根據均值μj和標準差σj將X1標準化,計算公式為得到標準化后的正常狀態飛參發參數據X1′;
Y1為X1對應的振動特征參數,為n維列向量,n為樣本量;計算Y1的均值μy和標準差σy,計算公式為:根據均值μy和標準差σy將Y1標準化,計算公式為得到標準化后的正常狀態振動特征參數數據Y1′;
計算X1′中每一列向量與Y1′之間的相關性,計算公式為
設定相關性系數閾值α,從正常狀態下的飛參發參樣本X1中選取滿足條件|Cov(Xi,Y)|>α的飛參發參重新組成飛參發參樣本矩陣X2,為n×t矩陣,其中t為滿足相關性條件的飛參發參個數,n為樣本量。
3.根據權利要求1所述的基于觀測器的直升機主減速器振動特征閾值設置方法,其特征在于,所述步驟2)具體實現方法如下:采用雙隱含層BP神經網絡構建觀測器,將步驟1)中篩選之后的飛參發參作為神經網絡的輸入,振動特征作為神經網絡的輸出,隱含層節點個數公式為其中t為神經網絡輸入節點的個數,即為篩選出的飛參發參個數;l為神經網絡輸出節點的個數,即為振動特征的個數;n1、n2分別為第一隱含層和第二隱含層的節點個數;利用步驟1)中得到的飛參發參樣本X2和振動特征樣本Y1對神經網絡進行訓練。
4.根據權利要求1所述的基于觀測器的直升機主減速器振動特征閾值設置方法,其特征在于,所述步驟3)具體如下:利用訓練完成的雙隱含層BP神經網絡,將步驟1)中得到的飛參發參樣本X2作為網絡輸入,得到振動特征的神經網絡輸出值,記為Y2,為n維列向量,將振動特征的網絡輸出值Y2和振動特征的實際值Y1做差值,得到正常狀態下振動特征的殘差樣本向量Δ=Y1-Y2。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國航空工業集團公司上海航空測控技術研究所,未經中國航空工業集團公司上海航空測控技術研究所許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811518727.3/1.html,轉載請聲明來源鉆瓜專利網。





